Job Description

AIGC图像生成算法工程师BeijingFull-timeR&D - AlgorithmResponsibilities- 基于业务目标与产品需求，负责团队图像生成/编辑模型的训练迭代与落地，包括但不限于 SFT（监督微调）、偏好对齐 / RL（如 RLHF / DPO / GRPO 等）。
- 负责训练数据全流程建设：数据收集与清洗、质量评估、去重与过滤、难例挖掘、数据配比与版本管理，构建可持续迭代的数据体系与规范。
- 负责训练管线与工程化建设：分布式训练（DeepSpeed/FSDP 等）、显存/吞吐优化、checkpoint 管理、训练监控与故障排查，持续提升训练效率与稳定性。
- 设计并实现图像生成质量评估体系：自动指标（CLIP/美学/一致性/可控性等）+ 人工评测流程，建立“评测→诊断→迭代”的闭环。
- 跟进前沿论文与开源生态（Diffusers/ComfyUI/SD 系列、DiT/Flow Matching 等），结合业务场景完成复现、改进、实验对比与 A/B 验证。
- 跨团队协作（产品/工程/运营），将模型能力沉淀为可复用的训练策略、数据策略与最佳实践文档，推动生产化交付。Qualifications- 计算机/数学/统计/相关专业本科及以上学历；具备扎实的机器学习与深度学习基础。
- 熟悉 PyTorch 生态，具备实际训练与调参经验；能独立阅读论文与代码，完成复现、改造与工程化落地。
- 对图像生成模型有实践经验：扩散模型 / DiT / Flow Matching / VAE / ControlNet / LoRA 等至少一类有深入训练或应用经验。
- 熟悉至少一种对齐/偏好优化方法并能实际落地：SFT、DPO/IPO、RLHF/GRPO、reward modeling、pairwise preference 等（可结合美学/一致性/人偏好奖励）。
- 具备良好的工程习惯：可复现实验、规范记录、数据与模型版本管理（如 DVC/MLflow/W&B 等思想或工具）、问题定位与性能优化能力。
- 沟通与协作能力强，能把“业务目标”转译成“可验证的训练目标、指标与实验设计”，并推动结果落地。
加分项
- 有多卡/分布式训练经验（DeepSpeed/FSDP/Accelerate），或有训练提速/省显存经验（FlashAttention、gradient checkpointing、offload 等）。
- 有评测体系建设经验：人评流程设计、标注指南、评测平台搭建、指标与业务目标对齐。
- 有高质量开源贡献 / 竞赛经历 / 相关论文或技术博客；能持续输出可复用的方法论与工具链。
- 熟悉图像生成产品链路（提示词系统、风格/人物一致性、编辑能力、分镜/连续一致性等），能从产品问题抽象成训练/数据/评测方案。 Apply